检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于随机近邻嵌入的判别性特征学习

软件学报 2022年第4期33卷 1326-1337页

作者：赵辉王红军彭博龙治国李天瑞西南交通大学计算机与人工智能学院四川成都611756 综合交通大数据应用技术国家工程实验室四川成都611756

特征学习是机器学习中的一项重要技术,研究从原始数据中学习后置任务所需的数据表示.目前,多数特征学习算法侧重于学习原始数据中的拓扑结构,忽略了数据中的判别信息.基于此,提出了基于随机近邻嵌入的判别性特征学习模型.该模型将对判... 详细信息

特征学习是机器学习中的一项重要技术,研究从原始数据中学习后置任务所需的数据表示.目前,多数特征学习算法侧重于学习原始数据中的拓扑结构,忽略了数据中的判别信息.基于此,提出了基于随机近邻嵌入的判别性特征学习模型.该模型将对判别信息的学习与对拓扑结构的学习融合在一起,通过迭代求解的方式,同时完成对这两者的学习,从而得到原始数据具有判别性的特征表示,可以显著提升机器学习算法的性能.多个公开数据集上的实验结果验证了该模型的有效性.

关键词：特征学习随机近邻嵌入判别性学习

在线全文

学校读者我要写书评

暂无评论

基于深度学习的医疗电子数据特征学习方法

应用科学学报 2023年第1期41卷 41-54页

作者：王婷王娜崔运鹏刘娟中国农业科学院农业信息研究所北京100081 农业农村部农业大数据重点实验室北京100081 96962部队北京102206

面向高维异构的医疗电子数据,如何才能有效开展特征学习以优化患者联合用药不良预后的风险预测?针对此问题,提出一种基于深度学习的医疗电子数据特征学习方法。首先结合深度学习长短期记忆网络模型和深度稀疏自动编码模型学习具有时序... 详细信息

面向高维异构的医疗电子数据,如何才能有效开展特征学习以优化患者联合用药不良预后的风险预测?针对此问题,提出一种基于深度学习的医疗电子数据特征学习方法。首先结合深度学习长短期记忆网络模型和深度稀疏自动编码模型学习具有时序特性的患者联合用药数据的特征表示,并通过二分k-均值聚类方法形成联合用药综合表达因子。然后构建风险预测特征向量和风险相关特征向量,分别用于联合用药的不良预后风险预测和风险相关性分析。最后将该方法与已有的传统方法在真实医疗电子数据集上进行对比实验,结果表明:该方法在患者联合用药的不良预后风险预测中,准确率比传统方法提高了5%»10%,误判率降低了3%»5%,具有较好的风险预测性能。

关键词：深度学习特征学习医疗电子数据联合用药不良事件

基于多通道一维卷积神经网络特征学习的齿轮箱故障诊断方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第20期39卷 55-66页

作者：叶壮余建波同济大学机械与能源工程学院上海201804

为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对信号进行处理,得到多通道一维信号;构建MC-1DCNN模型,对多通道一维信号进行特征提取。在MC-1DCNN的全连接层后接堆叠降噪自编码器(Stacked Denoised Autoencoder,SDAE)层,进一步进行维度缩减和特征提取并实现特征分类。通过某型号齿轮箱故障诊断实验对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果显著优于典型的深度学习方法和机器学习分类器。

关键词：齿轮箱故障诊断多通道信号卷积神经网络堆叠降噪自编码器特征学习

基于图像块SIFT特征学习的多源遥感图像匹配方法

在线全文

学校读者我要写书评

暂无评论

遥感信息 2023年第1期38卷 155-162页

作者：李梓谦付志涛聂韩陈思静张菲菲昆明理工大学国土资源工程学院昆明650000 广东第二师范学院计算机学院广州510303

对于多源遥感图像因成像原理、时相差异以及分辨率等因素导致的匹配困难问题,提出了一种基于图像块SIFT特征学习的多源遥感图像匹配方法。首先,通过尺度不变特征变化(scale-invariant feature transform,SIFT)提取图像特征点并截取对应... 详细信息

对于多源遥感图像因成像原理、时相差异以及分辨率等因素导致的匹配困难问题,提出了一种基于图像块SIFT特征学习的多源遥感图像匹配方法。首先,通过尺度不变特征变化(scale-invariant feature transform,SIFT)提取图像特征点并截取对应的图像块对;其次,利用多源遥感图像匹配网络(matching nerul network,MNN)学习图像块特征并输出匹配点对,结合快速样本一致性(fast sample consensus,FSC)方法优化匹配结果;最后,计算图像变换矩阵实现多源遥感图像配准。为验证本文方法的有效性,制作了8000对多源遥感图像数据集对MNN进行网络训练,并与FSC-SIFT(fast sample consensus-scale-invariant feature transform)、PSO-SIFT(position scale orientation-scale-invariant feature transform)以及跨模态图像匹配网络Contextdesc进行对比实验,结果表明本文方法在正确匹配点数量、匹配精度等方面具有一定优越性。

关键词：多源遥感图像图像块匹配图像配准特征学习神经网络

在线全文

学校读者我要写书评

暂无评论

卷积神经网络多变量过程特征学习与故障诊断

哈尔滨工业大学学报 2020年第7期52卷 59-67页

作者：陈淑梅余建波同济大学机械与能源工程学院上海201804

为提取复杂多变量过程的有效特征,提高故障诊断性能,提出一种基于卷积神经网络(convolutional neural network,CNN)特征学习的多变量过程故障诊断模型.将高维过程信号归一化处理转为图像信号,多层卷积滤波器与子采样滤波器交替构成的轻... 详细信息

为提取复杂多变量过程的有效特征,提高故障诊断性能,提出一种基于卷积神经网络(convolutional neural network,CNN)特征学习的多变量过程故障诊断模型.将高维过程信号归一化处理转为图像信号,多层卷积滤波器与子采样滤波器交替构成的轻量级CNN网络通过多个卷积核与图像进行卷积,采用本地连接和权重共享,滤除过程噪声和干扰信息,从而获得过程数据的高层抽象化表达.通过Softmax层有监督的微调方式学习故障特征完成故障诊断.利用以田纳西过程为代表的多变量非线性过程验证了模型的有效性,与经典分类器和近几年流行的深度神经网络进行对比,结果表明:将高维过程信号转为图像信号输入CNN提高了多变量过程的故障诊断精度;通过t-SNE方法对模型提取的特征进行可视化分析,说明模型强大的特征提取能力;将模型提取的特征作为传统分类器的输入时,故障识别准确率显著提升,进一步说明有效的特征提取有利于提高故障诊断的准确度和可靠性;与无监督学习方式相比,模型通过标签能获取更有效、稳定和抽象化的数据特征.

关键词：多变量过程故障诊断卷积神经网络特征学习田纳西过程

基于串行自编码器的无监督领域自适应特征学习方法

在线全文

学校读者我要写书评

暂无评论

扬州大学学报:自然科学版 2023年第4期26卷 31-36页

作者：陈家合朱毅沈辉王志李云扬州大学信息工程学院江苏扬州225127

传统的基于自编码器的无监督领域自适应方法大多依靠单一的自编码器模型,故无法学习得到领域间的全局特征表示.针对该问题,提出一种基于串行自编码器(serial autoencoder unsupervised domain adaptation,SAUDA)的无监督领域自适应方法... 详细信息

传统的基于自编码器的无监督领域自适应方法大多依靠单一的自编码器模型,故无法学习得到领域间的全局特征表示.针对该问题,提出一种基于串行自编码器(serial autoencoder unsupervised domain adaptation,SAUDA)的无监督领域自适应方法,以串行方式连接两种不同类型的自编码器学习更丰富的全局特征表示.利用堆叠自编码器(stacked autoencoder,SAE)对源域和目标域的特征进行初步学习;进一步地,采用稀疏自编码器(stacked sparse autoencoder,SSAE)对堆叠自编码器所得特征学习结果进行二次特征学习,以得到领域间更好的全局特征表示.结果表明,与传统的神经网络方法相比,基于SAUDA的无监督领域自适应方法在实验数据集上具有更好的跨领域分类性能.

关键词：无监督领域自适应串行自编码器特征学习

考虑特征学习的IPSO-LSTM晶圆加工周期预测

在线全文

学校读者我要写书评

暂无评论

工业工程 2023年第3期26卷 143-150页

作者：张蓝天石宇强西南科技大学制造科学与工程学院四川绵阳621010

为了推动大数据技术在制造车间的应用,针对复杂产品晶圆制造过程中海量制造数据时序性、强噪音影响加工周期预测精度的问题,提出考虑特征学习的改进粒子群优化长短期记忆网络(improved particle swarm optimization-long short term mem... 详细信息

为了推动大数据技术在制造车间的应用,针对复杂产品晶圆制造过程中海量制造数据时序性、强噪音影响加工周期预测精度的问题,提出考虑特征学习的改进粒子群优化长短期记忆网络(improved particle swarm optimization-long short term memory,IPSO-LSTM)的加工周期预测方法。采用降噪自编码器和稀疏自编码器联合构建深度自编码器,增强特征学习能力和抗噪能力;运用IPSO优化LSTM参数,克服时间依赖性,提升预测模型性能。实例验证了所提方法的预测精度优于传统机器学习方法,其平均绝对误差低于3%;并分析特征学习方法的有效性,将支持向量回归和多层感知器等传统方法加入特征学习方法,R^(2)分别提高了1.46%、1.05%,为晶圆加工周期的有效预测提供新的解决方法。

关键词：粒子群优化算法生产周期自动编码器长短时记忆网络特征学习

基于Laplace逼近Gaussian过程的指节图像中层偏移测度特征学习

在线全文

学校读者我要写书评

暂无评论

图学学报 2019年第3期40卷 574-582页

作者：杨世强乔丹弓逯琦李小莉李德信西安理工大学机械与精密仪器工程学院

在人机协调装配中,为了准确描述手部位姿,需要精确的指节图像特征提取与识别。为了丰富手部信息,提出了基于Laplace逼近Gaussian过程的多分类算法,以实现基于手部图像的指节识别。在类别信息无关联的假设基础上,将中层偏移测度特征的学... 详细信息

在人机协调装配中,为了准确描述手部位姿,需要精确的指节图像特征提取与识别。为了丰富手部信息,提出了基于Laplace逼近Gaussian过程的多分类算法,以实现基于手部图像的指节识别。在类别信息无关联的假设基础上,将中层偏移测度特征的学习转化为对随机量的学习;然后通过分析二值多分类高斯场上的后验计算,给出了基于Laplace逼近Gaussian过程的多分类高斯过程学习算法;通过构造中层随机信息的正定核函数,给出了基于Laplace的多分类高斯过程预测算法。最后,利用中层数据的分布学习与预测算法进行了指节图像训练学习和固定阈值的图像识别。识别结果显示,该方法具有一定的指节识别能力。

关键词：高斯过程图像识别指节图像特征学习

在线全文

学校读者我要写书评

暂无评论

特征学习驱动下的车标定位与识别方法研究

特征学习驱动下的车标定位与识别方法研究

作者：王俊合肥工业大学

学位级别：硕士

智能交通系统在解决日益严峻的交通问题时发挥着重要作用,车辆是智能交通系统的主体,车辆识别是智能交通领域需解决的关键问题之一。车标是车辆品牌信息的关键性标识,通过车标识别技术可以准确快速地获取车辆品牌信息,进而可以与获取的... 详细信息

智能交通系统在解决日益严峻的交通问题时发挥着重要作用,车辆是智能交通系统的主体,车辆识别是智能交通领域需解决的关键问题之一。车标是车辆品牌信息的关键性标识,通过车标识别技术可以准确快速地获取车辆品牌信息,进而可以与获取的车牌信息进行相互辅助和印证,避免了因更换车牌等原因而导致车辆信息获取错误,造成不必要的损失。车标识别任务包括车标定位和车标识别两个部分,传统的车标定位和识别方法大多基于手工描述子,需要先验知识且泛化能力差。本文基于特征学习进行车标定位与识别方法的研究,分别提出了基于改进Yolov3的车标定位算法和基于浅层特征学习的车标识别算法。相关实验表明,本文提出的车标定位和识别方法性能优良,避免了传统基于手工描述子车标定位和识别算法的弊端。本文的主要工作包括以下几个方面:（1）对现有车标定位和识别方法进行分析:分析了传统手工描述子和基于深度学习方法在车标定位和识别领域各自的优缺点,并对目标检测与识别领域的经典算法和数据集进行了介绍。（2）提出了一种改进Yolov3的车标定位方法VLD-Net:通过对Yolo系列算法的介绍,分析了Yolov3算法的优势和弊端。针对车标任务的特点以及结合其他目标检测算法的优点,对Yolov3进行改进,使之更加适用于车标定位任务,提高算法对车标定位任务的性能。（3）提出了一种基于浅层特征学习的车标识别方法MLP-Net:该方法通过对目标函数的优化,自动学习特征参数,提取特征信息,生成特征向量,因此可以避免手工描述子的弊端。MLP-Net基于浅层特征学习方法,需要拟合的特征参数少,因此可以适用于小样本训练,并且收敛速度快,易训练,避免了深度学习训练样本大,训练难度大的缺点,并且在相关实验当中表现出优良的性能。

关键词：车标定位车标识别目标检测特征学习